AI 革命，英伟达并非终点
今日浏览一篇深度文:
AI 的关键，绝非仅在于英伟达。
见解独到，但我认为可进一步拔高。
新观点总结：AI 资本投入的试金石，并非“谁发现了四个窄门”，而是谁能预判瓶颈会在算力、封装、光互连、电力、关键矿物及政策许可间如何转移；静态的咽喉名单既诱人获利，也易致误判。
原文精髓，不在于酒馆故事，而在于一个精准的提醒：AI 非纯软件问题，前沿模型的增量能力日益受制于物理供给。
其核心论点大致归纳为六点：
原文的基础假设是：“供给最窄的物理环节，自然成为最强投资标的。” 其依据是：AI 资本暴增 -> 上游物理供给无法同步扩张 -> 少数供应商获定价权 -> 股票重估。此逻辑方向有价值，但尚显不完整。
其一，瓶颈并非静止清单，而是动态排队系统。
ASML 的 EUV、TSMC 的 CoWoS、InP 衬底、电力设备、燃气轮机、关键矿物皆可能成为瓶颈，但不会同时恒为最紧。只要某环节涨价够高，资本、替代技术、客户设计、政策补贴及库存行为皆会被激活。核心问题非“何处窄”，而是“哪窄点正从技术约束转为现金流约束，又会被谁绕过”。
其二，稀缺不代表获利。
某材料虽稀缺，但供应商或被长约锁价、受客户认证压制、扩产折旧吞噬毛利、出口许可卡住交付，或被下游大客户预付款置换经济性。供给窄仅为必要条件，非充分条件。
其三，政策日期非简单开关。
商务部 2025 年第 72 号公告虽写明 2025 年 11 月 9 日至 2026 年 11 月 27 日暂停 2024 年第 46 号公告第二款，但这不等于镓、锗、锑自由流通，也不等于到期必然“一键重启”。对美军事用户或用途的出口许可制度及政治谈判，仍会改变实际供给。
其四，原文忽视了反身性。
当所有聪明钱寻窄门，窄门本身即成拥挤交易。价格上涨提前透支利润，供应商融资加速扩产，下游客户提前囤货改设计，政府将商业瓶颈升级为产业政策。越被关注的咽喉，越快失去“被忽视”属性。
旧基础假设：AI 时代胜负，由少数静态咽喉决定。
新基础假设：AI 时代胜负，由“约束迁移速度”与“绕开约束成本”决定。
基于第一性原理，AI 基础设施是多层排队系统。每层皆有扩产周期、资本强度、认证周期、政策风险及替代路径。资本进入最快，软件次之，服务器网络较慢，先进制程封装更慢，电网发电最慢，矿物地缘政策最不可线性外推。
AI 物理瓶颈值得深究，但不能将“稀缺”直接翻译为“定价权”。真正有经济价值的咽喉，需同时满足四条件。
其一，需求刚性强。客户难轻易降性能或推迟需求。
其二，替代成本高。换材料、封装、网络拓扑、供电方案代价巨大。
其三，扩产滞后于需求。产能非花钱即出，设备交期、良率爬坡、客户认证及工程师经验构成时间墙。
其四，供应商能留存利润。短缺带来的超额价值不被大客户、政府、融资或长约锁走。
此四条件既解释原文为何半对，也解释其为何可能误导。
2026 年 AI 资本开支数量级确夸张。公开报道汇总显示，美大型科技公司 2026 年 AI 及数据中心相关开支计划近 7000 亿美元；Meta 2026 年一季报将全年指引上调至 1250-1450 亿美元，并提及更高组件价及支持未来产能的数据中心成本。Alphabet 2025 年四季度电话会给出 2026 年 1750-1850 亿美元指引，用于 AI compute、DeepMind、Cloud 客户需求。
但资本支出是支付意愿，非物理产能。钱出资产负债表后，需穿过设备交期、工程施工、并网、机柜部署、芯片交付及软件调度，最终才变可用 token。金融市场易将资本支出当需求强度，工程界则将其拆为排队位置。
故，7000 亿美元非结论，而是问题：这笔钱最先堵在哪层，哪堵点能涨价，哪堵点只能加班，哪堵点会被绕过？
ASML 2025 年报显示，2025 年净销额 327 亿欧元，全年交付 48 台 EUV 系统。EUV 仍为先进制程硬约束，也解释为何“AI 是软件”说辞太轻。
但 2026-2028 年 AI 增量，EUV 非唯一答案。先进芯片可用供给还取决于晶圆代工、HBM、先进封装、基板、测试、网络及电力。TSMC 2025 年报明确将 CoWoS、InFO、SoIC 等先进封装及 3D 堆叠列为支撑需求关键能力，并称将继续投资先进封装设施。
这意味着更精准判断：EUV 决定长期先进制程边界，封装与电力更可能决定近中期 AI 集群交付节奏。
InP 材料 AI 数据中心光互连确实值得关注。AXT 2026 年一季度公告称，InP 衬底是高速光传输关键材料，公司完成 6.325 亿美元融资支持 Tongmei InP 扩产及 6 英寸 InP 研发。
这表明旧文捕捉到一真实变化：数据中心从“电连为主”走向高速长距高密光互连，材料瓶颈变重要。
但 InP 投资结论不只看供应商数。还需问四问：
若答不出，“两家供应商”仅是故事开头，非估值终点。
IEA 《能源与 AI》估计，全球数据中心 2024 年用电约 415 TWh，2030 年基准情景约 945 TWh；其中美中贡献 2030 年全球增量近 80%。IEA 还提醒，数据中心建两三年，但电力系统规划建设通常需更久。
这解释为何“缺电”比“缺 GPU”更难解。GPU 可空运，电网不能。并网、变压器、开关柜、燃气轮机、输电线路、PPA、地方许可及居民电价，皆属同一排队系统不同窗口。
GE Vernova 2025 年业绩显示，订单 593 亿美元，年末 backlog 1500 亿美元，Gas Power 设备 backlog 及 slot 预约从 62 GW 增至 83 GW。此非单纯 AI 故事，而是电气化、老旧电网更新、制造回流、数据中心及能源转型叠加后的慢变量拥堵。
电力瓶颈最危险处，在于把 AI 公司从“买芯片者”变“参与能源基建者”。谁能获电、谁担并网成本、谁被监管要求为容量预留付费，皆会改变 AI 产业链利润分配。
原文将 2026 年 11 月 27 日称最大催化剂，有事实依据。商务部公告 2025 年第 72 号写明 2025 年 11 月 9 日至 2026 年 11 月 27 日暂停 2024 年第 46 号公告第二款。该款涉及原则上不许可镓、锗、锑、超硬材料对美出口，及对石墨出口实施更严审查。
但更深层理解非“到期暴涨”，而是视作政策期权：
USGS 2026 年《矿物商品摘要》提醒关键矿物数据含生产、储量、贸易、净进口依赖；IEA 《全球关键矿物展望 2025》强调很多战略矿物市场规模小、透明度低、波动高，且镓、锗常为其他金属加工副产品，供给弹性天生受限。
故，关键矿物非“一个日期”，而是“政策许可 + 副产品经济学 + 库存周期 + 军民两用审查”组合。
若要升级旧文为可执行框架，非找四个窄门，而是画三图。
第一幅图：物理依赖图。
从模型训练需求拆至 GPU/ASIC、HBM、封装、基板、光模块、光纤、交换机、机柜、冷却、电力、土地、矿物及许可。每层标注关键供应商、扩产周期、客户认证周期及替代路线。
第二幅图：经济性归属图。
短缺产生超额价值，归谁？上游设备商、材料商、代工厂、云厂商、电力设备商、公用事业、土地所有者，还是政府税收补贴体系？只看“谁稀缺”不够，必看“谁能留利润”。
第三幅图：迁移时间表。
2024-2025 年，瓶颈集于 GPU、HBM、CoWoS、数据中心建设。2026-2027 年，瓶颈或转向封装、光互连、变压器、并网及燃气发电设备。2028 后，若扩产兑现，新瓶颈或转向电价、利用率、推理需求质量、折旧压力及监管分摊。
此三图比任何“神秘卡座报出的四个 ticker”重要。
原文最有价值一句话：AI 非纯软件问题。其最危险暗示：只要找物理咽喉，即获确定收益。
更进阶说法应是：AI 是把资本塞入物理世界的压力测试。压力先挤芯片，再挤封装，再挤光互连、电力、矿物及政策许可；每次瓶颈迁移，皆重新分配利润、风险及叙事。
看见窄门仅是入门。看见窄门如何被扩产、替代、管制、融资及下游议价重塑，才是进阶。
未来三年，真正重要非谁讲出最刺激窄门名单，而是谁能持续回答一冷问题：
此次短缺创造的价值，最后到底留谁现金流？